CNN猫狗图像训练遇ValueError：数据基数模糊问题求解

核心错误原因 #

你在调用model.fit()时，错误传入了数据的**形状属性（.shape）**而非实际的训练数据数组，Keras将这些形状元组当作输入数据处理，导致样本数量不匹配，触发了数据基数错误。

修正代码 #

把fit方法里的参数替换为实际的数据集变量，而非.shape：

# 修正前错误代码
history = model.fit(cd_train_inputs.shape, cd_train_labels.shape, 
                validation_data=(cd_test_inputs.shape, cd_test_labels.shape), \
                epochs=70)

# 修正后代码
history = model.fit(cd_train_inputs, cd_train_labels, 
                validation_data=(cd_test_inputs, cd_test_labels), 
                epochs=70)

额外注意事项 #

• 确保cd_train_inputs的总元素数与Reshape层目标匹配：Reshape层将输入转为(32,32,3)，如果你的原始输入是扁平化的数组（比如形状为(样本数, 3072)），这个转换才有效；如果已经是(样本数,32,32,3)，可以直接删掉Reshape层。
• 确认标签格式匹配损失函数：你用了categorical_crossentropy，要求标签是one-hot编码（比如形状为(样本数,2)）。如果你的标签是0/1的整数形式，要么改用sparse_categorical_crossentropy作为损失函数，要么用tf.keras.utils.to_categorical()将标签转为one-hot格式。
• 建议添加batch_size参数（比如batch_size=32），提升训练效率和稳定性。

内容的提问来源于stack exchange，提问作者David Huang